| Titre : | Le Deep Learning pour l’analyse des sentiments non-verbale |
| Auteurs : | Pr.Amine Abdelmalek, Directeur de thèse ; MEKKI Nour, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Algèrie:unv saida-Dr Moulay Tahar, 2019 |
| Format : | 64 p / ill / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographie |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | apprentissage profond (DL), analyse des sentiments (AS), expression faciale ́emotionnelle (EFE), classification d’images, r ́eseau de neurones convolutif (CNN). |
| Résumé : |
Grˆace a ` la popularit ́e des r ́eseaux sociaux qui sont devenus une source d’information importante et aux images qui sont un des moyens les plus simples et expressifs, l’homme a la possibilit ́e de partager son opinion et avis a ` travers leur utilisation. L’analyse des sentiments et la reconnaissance des ́emotions sont des domaines scientifiques les plus com- plexes. Ces derni`eres ann ́ees, de plus en plus d’applications tentent de les automatiser. La reconnaissance des ́emotions se manifeste sur diff ́erents canaux : verbale (donn ́ees tex- tuelles), vocale (intonation et son de la voix) et non-verbale (images). Le visage est l’un des canaux les plus puissants de la communication non verbale. Dans ce travail, nous abordons le probl`eme de l’analyse des sentiments utilisant les techniques d’apprentissage profond. Pr ́ecis ́ement, nous sommes int ́eress ́es `a analyser le sentiment exprim ́e a ` partir d’images en se focalisant sur les expressions ́emotionnelles faciales, en se basant sur les ́emotions d ́efinies par le fameux psychologue Ekman (Ekman, 2004) a ` savoir la joie, la col`ere, la peur, le d ́egoˆ ut, la tristesse et la surprise, a ` ses six ́emotions s’ajoute la neu- tralit ́e. Les r ́eseaux de neurones convolutifs (CNN) seront utilis ́es puisqu’ils ont donn ́e des r ́esultats satisfaisants dans le domaine de traitement d’images. Notre objectif est de pouvoir d ́eterminer l’opinion et sentiment des gens sur n’importe quel sujet en fonction du Dataset FER2013 de Kaggle pour la reconnaissance des ́emotions faciales. Ainsi diff ́e- rentes architectures propos ́ees seront exploit ́ees et compar ́ees pour pouvoir d ́eterminer les param`etres qui affectent les r ́esultats. |
| Note de contenu : |
Introduction 1 Analyse des sentiments 2 Apprentissage profond (Deep learning) 3 Conception et implementation Conclusion génerale |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT06023 | T.I.MS00534 | Périodique | Ouvrages | 27 | Libre accès Disponible |
